tensor akışı:: Tensör

Bu tensörü 1. boyut boyunca dilimleyin.

Yani, döndürülen tensör, döndürülen[i, ...] == this[dim0_start + i, ...]'i karşılar. Geri dönen tensör, temeldeki tensör tamponunu bu tensörle paylaşır.

NOT: Geri dönen tensör, şekle bağlı olarak bu tensörle aynı hizalama gereksinimini karşılamayabilir. Arayanın, hizalama gereksinimi olan belirli yöntemleri (örneğin, flat() , tensor() ) çağırmadan önce döndürülen tensörün hizalamasını kontrol etmesi gerekir.

NOT: N boyutlu bir tensörle beslendiğinde, bu yöntem aynı zamanda N boyutlu bir tensör döndürür. Bir alt tensör seçmek istiyorsanız bkz. Alt Dilim.

GEREKLİDİR: dims() >= 1 GEREKLİDİR: 0 <= dim0_start <= dim0_limit <= dim_size(0)

Bu tensörden 1. boyut boyunca bir alt dilim seçin.

N boyutlu bir tensörle beslendiğinde bu yöntem, N-1 boyutlu bir tensör döndürür; burada döndürülen tensör, birinci boyut boyunca giriş tensörünün bir alt dilimidir. Döndürülen tensörün N-1 boyutları, giriş tensörünün son N-1 boyutlarıdır.

NOT: Geri dönen tensör, şekle bağlı olarak bu tensörle aynı hizalama gereksinimini karşılamayabilir. Arayanın, hizalama gereksinimi olan belirli yöntemleri (örneğin, flat() , tensor() ) çağırmadan önce döndürülen tensörün hizalamasını kontrol etmesi gerekir.

GEREKLİDİR: dims() >= 1 GEREKLİDİR: 0 <= dim0_start < dim_size(0)

*this içindeki ilk max_entries değerlerini bir dizeye dönüştürün.

1 boyutlu, 0 elemanlı bir kayan nokta tensörü oluşturur.

Döndürülen Tensör bir skaler değildir (şekil {}), bunun yerine boş bir tek boyutlu Tensördür (şekil {0}, NumElements() == 0). Hiçbir öğesi olmadığından bir değer atanmasına gerek yoktur ve varsayılan olarak başlatılır ( IsInitialized() doğrudur). Bu istenmiyorsa, başlatma gerektirmeyen tek öğeli bir skaler oluşturmayı düşünün:

Tensor(DT_FLOAT, TensorShape({}))

Verilen type ve shape bir Tensör oluşturur.

LogMemory::IsEnabled() ise tahsis, bilinmeyen bir çekirdekten ve adımdan geliyormuş gibi günlüğe kaydedilir. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

Temel arabellek CPUAllocator kullanılarak tahsis edilir.

Temel arabelleği tahsis etmek için ayırıcı a kullanarak giriş type ve shape ile bir tensör oluşturur.

LogMemory::IsEnabled() ise tahsis, bilinmeyen bir çekirdekten ve adımdan geliyormuş gibi günlüğe kaydedilir. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

Bu Tensörün ömründen daha uzun süre dayanması a .

Temel arabelleği tahsis etmek için ayırıcı a ve belirtilen "allocation_attr" değerini kullanarak giriş type ve shape ile bir tensör oluşturur.

Çekirdek ve adım biliniyorsa, tahsis_attr.allocation_will_be_logged true olarak ayarlanmalı ve tensör oluşturulduktan sonra LogMemory::RecordTensorAllocation çağrılmalıdır. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

Bu Tensörün ömründen daha uzun süre dayanması a .

Verilen veri türünde boş bir Tensor oluşturur.

Tensor() gibi, IsInitialized() işlevi True değerini döndüren 1 boyutlu, 0 öğeli bir Tensör döndürür. Ayrıntılar için Tensor() belgelerine bakın.

Tensör

 Tensor(
  double scalar_value
)

 Tensor(
  int32 scalar_value
)

 Tensor(
  uint32 scalar_value
)

 Tensor(
  uint16 scalar_value
)

 Tensor(
  uint8 scalar_value
)

 Tensor(
  int16 scalar_value
)

 Tensor(
  int8 scalar_value
)

 Tensor(
  string scalar_value
)

 Tensor(
  complex64 scalar_value
)

 Tensor(
  complex128 scalar_value
)

 Tensor(
  int64 scalar_value
)

 Tensor(
  uint64 scalar_value
)

 Tensor(
  bool scalar_value
)

 Tensor(
  qint8 scalar_value
)

 Tensor(
  quint8 scalar_value
)

 Tensor(
  qint16 scalar_value
)

 Tensor(
  quint16 scalar_value
)

 Tensor(
  qint32 scalar_value
)

 Tensor(
  bfloat16 scalar_value
)

 Tensor(
  Eigen::half scalar_value
)

 Tensor(
  ResourceHandle scalar_value
)

 Tensor(
  const char *scalar_value
)

 Tensor(
  const Tensor & other
)

 Tensor(
  Tensor && other
)

size_t TotalBytes() const 

void UnsafeCopyFromInternal(
  const Tensor & other,
  DataType dtype,
  const TensorShape & shape
)

TTypes< T, NDIMS >::Tensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::ConstTensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T, NDIMS >::Tensor bit_casted_tensor()

TTypes< T, NDIMS >::ConstTensor bit_casted_tensor() const 

int64 dim_size(
  int d
) const 

int dims() const 

DataType dtype() const 

TTypes< T >::Flat flat()

  
    typedef float T;
    Tensor my_ten(...built with Shape{planes: 4, rows: 3, cols: 5}...);
    // 1D Eigen::Tensor, size 60:
    auto flat = my_ten.flat();
    // 2D Eigen::Tensor 12 x 5:
    auto inner = my_ten.flat_inner_dims();
    // 2D Eigen::Tensor 4 x 15:
    auto outer = my_ten.shaped({4, 15});
    // CHECK fails, bad num elements:
    auto outer = my_ten.shaped({4, 8});
    // 3D Eigen::Tensor 6 x 5 x 2:
    auto weird = my_ten.shaped({6, 5, 2});
    // CHECK fails, type mismatch:
    auto bad   = my_ten.flat();

TTypes< T >::ConstFlat flat() const 

TTypes< T, NDIMS >::Tensor flat_inner_dims()

TTypes< T, NDIMS >::ConstTensor flat_inner_dims() const 

TTypes< T, NDIMS >::Tensor flat_inner_outer_dims(
  int64 begin
)

TTypes< T, NDIMS >::ConstTensor flat_inner_outer_dims(
  int64 begin
) const 

TTypes< T, NDIMS >::Tensor flat_outer_dims()

TTypes< T, NDIMS >::ConstTensor flat_outer_dims() const 

TTypes< T >::Matrix matrix()

TTypes< T >::ConstMatrix matrix() const 

Tensor & operator=(
  const Tensor & other
)

Tensor & operator=(
  Tensor && other
)

TTypes< T, NDIMS >::Tensor reinterpret_last_dimension()

TTypes< T, NDIMS >::ConstTensor reinterpret_last_dimension() const 

TTypes< T >::Scalar scalar()

TTypes< T >::ConstScalar scalar() const 

const TensorShape & shape() const 

TTypes< T, NDIMS >::Tensor shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::ConstTensor shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T, NDIMS >::Tensor tensor()

TTypes< T, NDIMS >::ConstTensor tensor() const 

StringPiece tensor_data() const 

TTypes< T >::UnalignedFlat unaligned_flat()

TTypes< T >::UnalignedConstFlat unaligned_flat() const 

TTypes< T, NDIMS >::UnalignedTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::UnalignedConstTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T >::Vec vec()

  
    typedef float T;
    Tensor my_mat(...built with Shape{rows: 3, cols: 5}...);
    auto mat = my_mat.matrix();    // 2D Eigen::Tensor, 3 x 5.
    auto mat = my_mat.tensor(); // 2D Eigen::Tensor, 3 x 5.
    auto vec = my_mat.vec();       // CHECK fails as my_mat is 2D.
    auto vec = my_mat.tensor(); // CHECK fails as my_mat is 2D.
    auto mat = my_mat.matrix();// CHECK fails as type mismatch.

TTypes< T >::ConstVec vec() const 

 ~Tensor()